Risultati del modello Lasso
Ora che hai addestrato il modello Lasso, valuterai la sua capacità predittiva (\(R^2\)) sul set di test e conterai quante caratteristiche vengono ignorate perché il loro coefficiente è ridotto a zero.
I dataset X_test e y_test sono già stati precaricati.
Il modello Lasso() e lo StandardScaler() sono stati istanziati rispettivamente come la e scaler ed entrambi sono stati adattati ai dati di training.
Questo esercizio fa parte del corso
Riduzione della dimensionalità in Python
Istruzioni dell'esercizio
- Trasforma il set di test con lo scaler già adattato.
- Calcola il valore di \(R^2\) sui dati di test scalati.
- Crea una lista che abbia valori True quando i coefficienti sono uguali a 0.
- Calcola il numero totale di caratteristiche con coefficiente pari a 0.
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# Transform the test set with the pre-fitted scaler
X_test_std = scaler.____
# Calculate the coefficient of determination (R squared) on X_test_std
r_squared = la.____(____, ____)
print(f"The model can predict {r_squared:.1%} of the variance in the test set.")
# Create a list that has True values when coefficients equal 0
zero_coef = la.____ == ____
# Calculate how many features have a zero coefficient
n_ignored = sum(____)
print(f"The model has ignored {n_ignored} out of {len(la.coef_)} features.")